06_使用 Copilot 進行資料準備

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
資料準備	建模或分析前先處理重複、缺漏與格式問題	提高統計、報表與模型可靠性	資料量大不代表品質高；清理會直接改變有效樣本量
重複資料	先指定唯一識別欄位標示重複，再決定刪除規則	避免計數、總和、平均與模型權重被重複列放大	不能把「相似」與「真正重複」混為一談；刪除前需確認唯一鍵
缺漏值：刪除	少量缺漏可考慮刪列；缺漏比例過高的欄位可考慮刪欄	移除無法使用的資料	刪除會降低樣本量，也可能造成選擇偏差
缺漏值：預設值／前後填補	以 Unknown／N/A／0，或前一／後一有效值補缺漏	類別欄、狀態序列與時間序列	0 不一定代表缺漏；前後填補必須符合資料生成邏輯
缺漏值：插值／統計插補	利用鄰近資料或平均數、中位數、眾數估計	數值或時間序列資料	只能在缺漏機制與資料分布適合時使用，不能把估計冒充實際觀測
缺漏值：條件式插補	利用其他欄位的可靠關係推導缺漏值	例如 Salesperson → Branch Location	必須先驗證關係穩定；查找範圍本身的空白值會造成錯誤
缺漏值：預測模型	使用機器學習根據其他特徵預測缺漏值	大型且有足夠訓練資料的複雜資料集	模型預測仍是估計；原書指出部分 Copilot 流程可能需 Python
文字格式	統一大小寫、空格、特殊字元與文字結構	避免同一類別被拆成多組	可用 `PROPER`、`TRIM` 等，但名稱與專有名詞不一定適合機械式大小寫
數字與日期格式	把文字數字轉為 numeric、統一日期與貨幣格式	確保 SUM、AVERAGE、比較與排序可正常運作	格式轉換可能把空白變成 0 或零日期；缺漏值應先處理
Clean Data／自動建議	讓 Excel／Copilot偵測空格、文字不一致與數值格式問題	快速發現常見格式錯誤	自動建議仍需逐項驗證，不能當成完整資料清理

為什麼資料準備先於分析

本章以作者自己的航線預測專案說明：原本約 8,000 萬筆資料看起來規模巨大，但兩個供應商的資料幾乎重複；後續又發現數字格式錯誤、缺漏值與文字／數值型別問題。完成清理後只剩約 400 萬筆可靠紀錄，模型表現反而明顯改善。

因此本章把資料準備集中成三個主題：移除重複、處理缺漏值、資料格式化。人工智慧可以加速檢查與產生公式，但不能代替使用者決定「這個值是否真的應該刪掉或補上」。

去重：先說明判定欄位

原書產品銷售案例中，Sale ID 是交易唯一識別碼。Copilot 能標示重複值，但原書截至 2026 年 2 月的操作中，真正刪除仍由 Excel 的 Remove Duplicates 完成。作者特別提醒：要求 Copilot 找重複時要明確指定欄位，否則工具可能無法正確回應。

重複資料會讓交易數、營收、平均值與模型訓練權重被放大，所以「去重」不只是視覺整理，而是改變分析分母與總量。

缺漏值沒有單一正確策略

原書整理的主要策略包括：

Deletion：刪除少數缺漏列，或在欄位缺漏比例過高時考慮刪欄。
Default or placeholder values：用 Unknown、N/A、0 等標記。
Forward／backward fill：讓前一或後一有效值延續。